摘要：为提高基于超宽带的室内定位精度,设计了一种超宽带和惯性导航组融合定位方法。首先,采用基于改进马氏距离的异常值检测方法对超宽带测距过程中的异常值进行了剔除;然后,采用紧耦合滤波以超宽带测距值作为扩展kalman滤波观测量,以惯性导航的位姿信息作为扩展kalman滤波预测量,通过超宽带测距来不断校正惯性导航解算的数据融合定位方法。针对定位环境基站多功率消耗大且远距离基站观测数据非视距问题影响定位精度,提出了一种基于协方差矩阵迹作为度量信息的最优基站选择算法。采用传统轮询方法和最优基站选择方法对小车进行了矩形运动实验,实验结果表明:相比传统的轮询算法,采用最优基站选择方法的定位精度提高了15.3%,验证了本文方法的有效性。

摘要：为解决MEMS姿态传感器的复杂噪声问题,设计使用一种基于Allan方差的自适应算法在线估计量测噪声方差。基于Allan方差递推公式组成自适应算法来追踪数据的方差值,采用欧拉角微分方程作为滤波的状态方程,通过对陀螺仪静态数据Allan方差分析得到陀螺仪的主要噪声参数用作滤波系统噪声方差,并将各个数据整合解算出姿态角。结果表明:自适应滤波算法比常规滤波方法解算的角度精度高,在噪声波动的环境条件下,自适应滤波算法实用性更好。

摘要：提出一种新颖的用于变形预测的基于扩展kalman滤波的小波神经网络学习算法,与BP算法相比,该方法具有更好的收敛率和学习能力,并通过实例计算证明了该方法具有较高的精度和较快的计算速度。

摘要：微电子技术的日益发展促使智能手机传感器性能获得极大提升,智能手机逐步成为行人导航定位的关键设备,为人们提供各类位置增值服务。针对行人室内外一体化高精度导航需求,基于智能手机自身的多传感器实现了一套行人室内外无缝定位系统,并采用手机光、磁、惯性、卫星传感器信息融合优化了室内外判别性能。在Eclipse环境下基于Java语言设计实现了智能手机室内外无缝定位软件,实验结果表明,行人室内外无缝定位软件能够实现行人室内外无盲区、高精度定位。

摘要：针对多枚导弹协同对抗来袭目标的情形,为增强导弹的可观测性和目标信息估计精度,基于扩展kalman滤波方法,完成了多导弹仅有视线角度量测情况下的协同滤波器的设计。通过适当的系统建模和坐标转换,将其他导弹的量测信息转化为自身的伪量测,增强了导弹的可观测性,从而大幅提高了对初始弹目相对距离误差的鲁棒性和系统状态的估计精度。基于Monter Carlo试验法的200次仿真结果也表明所有状态的估计误差在统计意义上都是收敛的。